روش جدید می تواند به شناسایی کودکان خردسال در معرض خطر چاقی کمک کند –

این مطالعه که توسط محققان دانشگاه پن استیت انجام شد، از روش‌های آماری جدید برای تعیین معیارهای امتیازدهی با استفاده از داده‌های جمع‌آوری‌شده از کودکان خردسال استفاده کرد. این تحقیق همچنین نشان می‌دهد که نتایج قوی از مطالعاتی که مرتبه‌ای کوچک‌تر از مطالعات ژنتیکی معمولی هستند، زمانی که داده‌های جامع در طول زمان جمع‌آوری می‌شوند و در ارتباط با ابزارهای آماری قدرتمند استفاده می‌شوند، قابل دستیابی هستند.

سارا کریگ، استادیار پژوهشی زیست شناسی در ایالت پن می گوید: «حدود 18 درصد از کودکان در ایالات متحده چاق هستند و 6 درصد به شدت چاق هستند. “اگر بتوانیم کودکانی را که بیشتر در معرض خطر هستند شناسایی کنیم، ممکن است در وهله اول بتوانیم از ایجاد چاقی جلوگیری کنیم. در این مطالعه، امتیازهای خطر را بر اساس اطلاعات ژنتیکی تولید کردیم که پزشکان به طور بالقوه می توانند برای شناسایی کودکان خردسالی که بیشترین سود را دارند استفاده کنند. استراتژی های مداخله.”

این مطالعه بخشی از یک پروژه بزرگتر به نام INSIGHT (مداخله پرستاران شروع به رشد نوزادان در مسیرهای سالم می‌کنند) است که از طریق مرکز پزشکی میلتون اس. هرشی در ایالت پن هماهنگ شده است، که در آن محققان و پزشکان با یکدیگر همکاری می‌کنند تا عوامل خطر بیولوژیکی و اجتماعی برای چاقی را شناسایی کنند. و اثرات مداخلات والدین پاسخگو در دوران اولیه زندگی کودک. تیم تحقیقاتی داده های طولی را – به طور دوره ای 8 بار بین تولد تا سه سالگی – از جمله وزن، قد، و متغیرهای رفتاری و محیطی – روی تقریباً 300 کودک جمع آوری کرد. آنها همچنین یک نمونه خون برای تجزیه و تحلیل ژنتیکی از هر یک از کودکان جمع آوری کردند، که به عنوان مبنایی برای ایجاد امتیاز خطر بود. این تیم نتایج خود را در مقاله ای در مجله Econometrics and Statistics منتشر کرد.

نمرات خطر – که به آنها “نمرات خطر چند ژنی” گفته می شود، زیرا بر اساس مکان های ژنتیکی زیادی در سراسر ژنوم هستند – اطلاعات ژنتیکی گسترده را به یک عدد قابل درک تقطیر می کند. به طور معمول، نمرات شامل اطلاعات تعدادی از چند شکلی های تک نوکلئوتیدی (SNPs)، یا مکان هایی در ژنوم است که حروف منفرد از الفبای DNA می توانند در بین افراد متفاوت باشند، که بیشتر به معیارهای مورد علاقه مرتبط است – در این مورد، رشد. نرخ و چاقی

Kateryna Makova، استاد زیست شناسی و Verne M. Willaman، رئیس علوم زیستی در پن، می گوید: «تلاش های قبلی برای ایجاد امتیاز خطر چند ژنی برای چاقی با استفاده از اطلاعات ژنتیکی بزرگسالان یا کودکان بزرگتر انجام شد و شامل صد تا دو میلیون SNP بود. دولت. “چنین اعداد بالایی برای بازتولید مداوم چالش برانگیز و بالقوه پرهزینه هستند، به خصوص در یک محیط بالینی. ما دو گزینه امتیاز با SNP های بسیار کمتر – یکی با 24 و دیگری با 5 – تولید کردیم که با این وجود می تواند اطلاعات ارزشمندی را در اختیار محققان و پزشکان قرار دهد. “

تیم تحقیقاتی از تکنیک‌های آماری جدیدی از حوزه‌ای به نام تحلیل داده‌های عملکردی برای شناسایی SNP‌های مرتبط با چاقی استفاده کردند که سپس در امتیازات گنجانده شدند.

فرانچسکا کیارومونته، پروفسور دانشگاه، می گوید: «بر خلاف بسیاری از مطالعات ژنتیکی، که داده ها را بر روی یک اندازه گیری جمع آوری می کنند، مانند شاخص توده بدن – BMI، و در یک نقطه زمانی واحد، ما از داده های طولی جمع آوری شده در طول زمان استفاده کردیم. آمار و کرسی هاک در آمار برای علوم زیستی در ایالت پن. “چندین اندازه گیری وزن و قد در طول زمان منحنی رشد را برای هر کودک به دست می دهد، و ما می توانیم با استفاده از تجزیه و تحلیل داده های عملکردی، شکل منحنی ها را برای کودکان در گروه خود تجزیه و تحلیل کنیم. ما در هر مرحله از تجزیه و تحلیل از این داده های غنی تر استفاده کردیم. “

داده‌های ژنتیکی میلیون‌ها SNP را به دست می‌دهد که باید تجزیه و تحلیل شوند، و تیم از تکنیک‌های متعددی برای محدود کردن این استخر به SNP‌هایی که بیشتر مربوط به منحنی‌های رشد و معیارهای چاقی هستند، استفاده کردند.

آنا کنی، دانشجوی فارغ التحصیل آمار در ایالت پن در زمان تحقیق و اکنون فوق دکترا می گوید: «ما ابتدا تأثیر هر SNP را به صورت جداگانه بر روی اقدامات مرتبط با چاقی ارزیابی کردیم، به عنوان راهی برای حذف مواردی که به وضوح مرتبط نبودند. محقق دانشگاه کالیفرنیا، برکلی. “برخی از مطالعات تصمیم می گیرند در این مرحله متوقف شوند، با این حال ما با بررسی همه SNP های باقیمانده به طور همزمان و حذف مواردی که به نظر می رسید تأثیری در کنار دیگران نداشته باشند، این استخر را حتی بیشتر محدود کردیم.”

این فرآیند 24 SNP را به دست آورد که محققان در یک امتیاز ریسک چند ژنی گنجانده بودند. نمرات که بر اساس منحنی‌های رشد ساخته شده‌اند، به سایر معیارهای رایج‌تر نیز مرتبط هستند. آنها در کودکان با افزایش وزن مشروط بالاتر – تغییر در افزایش وزن در 6 ماه اول – و با افزایش وزن سریع نوزاد – که پیش بینی کننده چاقی در زندگی بعدی است، بیشتر بود.

تیم تحقیقاتی بیشتر این مجموعه را به پنج مورد از “پایدارترین” SNPها محدود کرد – SNPهایی که حتی زمانی که داده ها را مختل می کردند بیشترین تأثیر را داشتند. از این پنج SNPS، آنها امتیاز دوم را تولید کردند که می تواند به عنوان یک جایگزین ساده تر مورد استفاده قرار گیرد.

متیو رایمهر، دانشیار آمار در دانشگاه می گوید: «اگرچه امتیاز با 24 SNP قوی تر از امتیاز با 5 SNP است، ما تأیید کردیم که هر دو معیارهای مفیدی برای خطر چاقی هستند و معتقدیم که هر کدام می توانند در یک محیط بالینی استفاده شوند.» ایالت پن امتیازی که به SNP های کمتری برای تایپ نیاز دارد، تولید آن را در کلینیک ها آسان تر می کند.

نکته قابل توجه، نمرات تولید شده در این مطالعه همچنین چاقی را در کودکان بزرگ‌تر و بزرگسالان پیش‌بینی می‌کرد، که تیم تحقیقاتی با استفاده از مجموعه داده‌های در دسترس عموم تأیید کردند. با این حال، نمرات حاصل از مطالعات دیگر که بر اساس اطلاعات چاقی در بزرگسالان بود، برای کودکان خردسال در این مطالعه ترجمه نشد.

ایان پل، استاد اطفال و علوم بهداشت عمومی در کالج پزشکی ایالت پن، می گوید: «این نشان می دهد که سیگنال های ژنتیکی مرتبط با چاقی که در اوایل دوران کودکی می بینیم، در طول زندگی حیاتی هستند. با این حال، با بالا رفتن سن، افراد شروع به نشان دادن سایر بخش‌های ترکیب ژنتیکی خود می‌کنند. به نظر می‌رسد امتیازات بر اساس سیگنال‌های اولیه در طول زندگی افراد قوی‌تر است. این نیاز به مطالعات بیشتر با تمرکز بر شناسایی خطر و پیشگیری از چاقی در کودکان خردسال را برجسته می‌کند. به خصوص در “1000 روز اول” دوران بارداری و دو سال اول پس از تولد.”

این مطالعه همچنین نشان می‌دهد که مطالعات کوچک‌تر که عمیقاً افراد را مشخص می‌کنند و از تکنیک‌های تحلیل داده‌های عملکردی بهره می‌برند، می‌توانند جایگزین قدرتمندی برای مطالعات ژنتیکی در مقیاس بزرگ باشند.

کریگ گفت: “این تکنیک ها می توانند درها را به روی آزمایشگاه های کوچکتر با منابع کمتر باز کنند.” با کار دقیق و دقیق برای جمع‌آوری داده‌های طولی از گروه‌های هدفمندتر، و با استفاده از تکنیک‌های آماری قدرتمند، همچنان می‌توانید با مطالعه‌ای که مرتبه‌ای کوچک‌تر از مطالعات GWAS معمولی است، اطلاعات مفیدی پیدا کنید.

علاوه بر کریگ، ماکووا، کیارومونته، کنی، رایمهر و پل، تیم تحقیقاتی شامل جونلی لین، یکی از همکاران تحقیقاتی در ایالت پن در زمان تحقیق است. Leann Birch، استاد فقید غذاها و تغذیه در دانشگاه جورجیا که به رهبری INSIGHT کمک کرد. جنیفر ساویج، مدیر مرکز تحقیقات چاقی کودکان و دانشیار علوم تغذیه در ایالت پن. و میشل مارینی، فن‌شناس و آمارشناس تحقیقاتی مرکز تحقیقات چاقی کودکان در ایالت پن.

این کار توسط موسسه ملی دیابت و بیماری های گوارشی و کلیوی (NIDDK) پشتیبانی می شود. کالج علوم ابرلی ایالت پن؛ مؤسسه علوم محاسباتی و داده ایالت پن. مؤسسه علوم زیستی پن ایالت هاک؛ و وزارت بهداشت پنسیلوانیا با استفاده از وجوه Tobacco CURE. پشتیبانی اضافی توسط بنیاد ملی علوم ارائه شد.